Tabel 4.7 Uji Gletjser setelah transformasi data
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant ,174
,923 ,189
,851 LnDER
,296 ,160
,337 1,856
,070 LnCR
,088 ,184
,087 ,479
,635 LnROI
,019 ,107
,027 ,181
,857 a. Dependent Variable: ABSUT
Sumber: Hasil Olahan SPSS 2014
Hasil tampilan ouput SPSS data setelah transformasi logaritma natural dengan jelas menunjukkan semua variabel independen tidak signifikan terhadap
variabel dependen. Hal ini terlihat dari probabilitas signifikansi semua variabel yang berada di atas 0.05. Jadi disimpulkan model regresi tidak mengarah adanya
heteroskedastisitas Situmorang dan Lufti, 2012 : 116. Uji asumsi klasik selanjutnya menggunakan persamaan regresi LnTAG = f Ln DER, LnCR,
LnROI.
4.3.3 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang tinggi antarvariabel independen. Jika ditemukan, maka
dinamakan terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Deteksi adanya
multikolinearitas dapat dilihat pada besarnya nilaitolerance dan variance inflation
Universitas Sumatera Utara
factor VIF, jika nilai VIF 5 dan nilai tolerance 0.1maka tidak terdapat
masalah multikolinearitas Situmorang dan Lufti, 2012 : 140. Tabel 4.8
Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
1,754 1,427
1,230 ,226
LnDER ,539
,247 ,371
2,185 ,034
,644 1,553
LnCR ,378
,284 ,226
1,330 ,190
,640 1,563
LnROI -,404
,166 -,334 -2,433
,019 ,986
1,014 a. Dependent Variable: LnTAG
Sumber: Hasil Olahan SPSS 2014
Pada Tabel 4.8 menunjukkan nilai VIF 5 dan nilai tolerance 0.1 yang berarti bahwa tidak terjadi multikolinearitas.
4.4.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu residual pada periode t dengan
kesalahan pada periode t-1 periode sebelumnya.Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Gejala autokorelasi dideteksi dengan
menggunakan metode Uji Durbin Watson.
Universitas Sumatera Utara
Tabel 4.9 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,451
a
,204 ,148
,92180 2,088
a. Predictors: Constant, LnROI, LnDER, LnCR b. Dependent Variable: LnTAG
Sumber: Hasil Olahan SPSS 2014
Berdasarkan hasil pengolahan SPSS, diperoleh nilai Durbin Watson DW sebesar 2.088. Nilai d dibandingkan dengan nilai du dan 4-du pada n=60 dan k=3.
Maka di Tabel Durbin Watson didapat nilai du sebesar 1.6889 dan 4-du sebesar 2.3111. Pengambilan keputusannya adalah dU 1.6889 d 2.088 4-dU
2.3111, artinya tidak ada autokorelasi positif atau negatif. Dengan demikian, tidak terdapat adanya autokorelasi pada model regresi.
4.4 Analisis Regresi Linear Berganda
